Vorlesung Analysis und Numerische Mathematik (für Informatiker) gehalten von Werner Römisch Winter-Semester 1992/93 bis Sommer-Semester 1994

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Vorlesung Analysis und Numerische Mathematik (für Informatiker) gehalten von Werner Römisch Winter-Semester 1992/93 bis Sommer-Semester 1994"

Transkript

1 Vorlesung Analysis und Numerische Mathematik (für Informatiker) gehalten von Werner Römisch Winter-Semester 1992/93 bis Sommer-Semester

2 Inhaltsverzeichnis 0 Einleitung 4 1 Mengen, Abbildungen, Zahlen Mengen und Strukturen Die reellen Zahlen, Zahlbereiche Abbildungen und Mächtigkeit von Mengen Weitere Eigenschaften der reellen Zahlen Der m-dimensionale Euklidische Raum Die komplexen Zahlen Metrische Räume Grundbegriffe metrischer Räume Konvergenz von Folgen in metrischen Räumen Der Banachsche Fixpunktsatz Kompakte Mengen Zusammenhängende Mengen Das Produkt metrischer Räume Folgen und Reihen Reelle Zahlenfolgen und weitere Eigenschaften von IR Folgen im Euklidischen Raum IR m Unendliche Reihen Potenzreihen und Elementarfunktionen Stetige Funktionen Stetige Abbildungen in metrischen Räumen Räume und Folgen stetiger Funktionen Reelle Funktionen einer reellen Veränderlichen Differentialrechnung Differentialrechnung reeller Funktionen einer reellen Veränderlichen Fréchet Ableitung und partielle Ableitungen Kettenregel, Mittelwertsatz und Taylorformel Extremalaufgaben Implizite Funktionen Integralrechnung Das Riemann-Integral im IR m Stammfunktion und Riemann-Integral Uneigentliche Integrale Das Riemann-Stieltjes-Integral

3 7 Lineare normierte Räume, lineare Operatoren Lineare normierte Räume, endlichdimensionale Räume Lineare beschränkte Operatoren Kompakte Mengen in Räumen stetiger Funktionen Der Approximationssatz von Stone-Weierstraß/Anwendungen Fourierreihen Gewöhnliche Differentialgleichungen Aufgabenstellung und Beispiele Anfangswertaufgaben für gewöhnliche Differentialgleichungen: Existenz- und Einzigkeitsaussagen Anfangswertaufgaben für lineare DGL-Systeme Numerische Lösung nichtlinearer Gleichungssysteme Newton- und Newton-ähnliche Verfahren Einbettungsmethoden für nichtlineare GLS Approximative Darstellung von Funktionen und numerische Integration Interpolation mit Polynomen Interpolation mit kubischen Splines Numerische Integration

4 0 Einleitung Gegenstand des Gebietes Analysis und Numerische Mathematik :. klassische Grundlagen wie Mengen, Zahlen, Strukturen;. klassische Differential- und Integralrechnung;. einige Kapitel der Theorie gewöhnlicher Differentialgleichungen und der sog. Funktionalanalysis;. ausgewählte Aspekte der Funktionentheorie;. Anfangsgründe partieller Differentialgleichungen und der Wahrscheinlichkeitsrechnung;. Grundkurs Numerische Analysis (Interpolation, Numerik nichtlinearer Gleichungssysteme, numerische Integration, Numerik gewöhnlicher Differentialgleichungen) Zielstellung:. Vermittlung von Methoden und wesentlichen Ergebnissen der Analysis und Numerik;. Wechselwirkung Theorie-Praxis bzw. Modell-Theorie-numerische Lösung;. Funktionsweise numerischer Methoden und (möglicher) Einsatz von Numerik- Software, Erarbeitung und Erprobung eigener Programme. Faszination Analysis:. axiomatische Methode, d.h. der ganze Bestand analytischer Aussagen muß streng deduktiv aus einigen Grundeigenschaften reeller Zahlen entfaltet werden (Heuser);. reines Denken versteht und ordnet die Wirklichkeit. abstrakte Methoden sind gerade ihrer Abstraktheit wegen universell anwendbar. Historie der Analysis und Numerik:. antike Blüte der Mathematik: Pythagoras, Euklid, Archimedes. erst etwa im 15. Jh. entstand durch Probleme der Anwendung wieder das Bedürfnis nach Mathematik (Navigation, Kriegswesen, Astronomie, Optik). Kepler ( ), Newton ( ), Leibniz ( ) (noch kein exakter Grenzwertbegriff) 4

5 . Explosion der Analysis im 18. Jh.: Euler ( ) führte den Begriff Analysis ein, Lagrange ( ). exakte Begründung der Analysis erst im 19. Jh.: Bolzano ( ), Cauchy ( ), Weierstraß ( ), Cantor ( ), Dedekind ( ), von letzterem exakte Begründung der reellen Zahlen (1871), damit stand das Gebäude der Analysis und es gab eine rasante Weiterentwicklung.. Numerische Analysis wurde in der Vergangenheit stets gemeinsam mit der Analysis betrieben und durch Anwendungen befruchtet; selbständige Disziplin seit , danach stürmische Entwicklung in enger Wechselwirkung mit Computer-Entwicklung. Einige interessante Anwendungen der Analysis bzw. Effekte der Numerik auf die wir im Verlaufe der Vorlesung zurückkommen: (a) Populationsdynamik: p(t)-population einer gegebenen biologischen Art zum Zeitpunkt t (ohne Berücksichtigung von Zu- oder Abwanderung). Malthus ( ): Populationsgeschwindigkeit ist proportional zur Population! dp dt = ap(t) (a = const) a = 0.02 ( Menschen ) Lösung: p(t) = p(t o )e 0.02(t to), t o = 1961 p(t o ) = es zeigt sich, daß die Populationsentwicklung der Periode überraschend genau widergespiegelt wird! Jedoch gilt nach dieser Formel: Verdopplung der Menschheit alle 34.6 Jahre! 2670: Menschen bei einer Gesamterdoberfläche der Erde (einschließlich der Ozeane) von nur m 2! Einführung eines Konkurrenz-Terms bp(t) 2 (b = const.) durch Begrenzung des verfügbaren Lebensraums und der erreichbaren Ressourcen. dp dt = ap(t) bp(t)2 Menschliche Population: a = 0.029, b = p(2000) = p(t) t a b =

6 (b) Sukzessives Verfahren zur Wurzelberechnung: x n+1 := 1 2 (x n + a x n ), n = 0, 1, 2,..., (a 1 fest) x o := a Konvergenz: x n a (i.a. schnell) Was ist der Hintergrund für die Konvergenz und ihre Geschwindigkeit? ( Newton-Verfahren: allg. x n+1 := x n (f (x n )) 1 f(x n ) mit x o IR m und f(x) = 0) (c) Klassische Aufgabe der Polynom-Interpolation mit äquidistanten Stützpunkten. Warum versagt dieses Vorgehen z.b. bei Anwendung auf die Funktion f(x) = x, x [ 1, 1]? (Hier konvergieren die Polynome nur in x = 1; 0; 1) oder auf f(x) = 1 (Hier oszillieren die Polynome 1+25x 2 mit wachsendem Grad immer mehr, während sich die Funktion der x- Achse annähert)? Für welche Funktionen funktioniert es? 6

7 (d) Tacoma Bridge disaster : - Eröffnung der Brücke (Tacoma, Washington) - von Beginn an vertikale Schwingungen ( Galopping Gertie ) - Verkehr nahm wegen dieser Attraktion zu - am Uhr wellenförmige Bewegung, danach wilde Oszillation, Uhr beginnt die Brücke zu krachen und stürzt sie zusammen. - Ursache: Aerodynamisches Phänomen Luftstrom Hindernis Wirbel hinter dem Hindernis in einer fixen Periodizität, die von der Struktur des Hindernisses und der Geschwindigkeit des Luftstromes abhängt, alternierend auf beiden Seiten periodische Kraft senkrecht zum Luftstrom und von der Größe F o coswt (w Frequenz). Resonanz-Effekt mit der Frequenz der Struktur, d.h. Schwingung mit wachsender Amplitude! siehe auch Martin Braun, Differentialgleichungen und ihre Anwendungen, Springer, Berlin, 1991 (2. Auflage) Literatur: H. Heuser, Lehrbuch der Analysis, Teil 1 und 2, Teubner, Stuttgart 1990 (7. Auflage) M. Barner, F. Flohr, Analysis I und II, Walter de Gruyter, Berlin 1987 (3. Auflage) und 1989 (2. Auflage) G. Fichtenholz, Differential- und Integralrechnung, Bde I/III, Verlag der Wissenschaften, Berlin, J. Dieudonné, Grundzüge der modernen Analysis, Bd. 1, Verlag der Wissenschaften, Berlin, 1985 (3. Auflage) J. Stoer, R. Bulirsch, Einführung in die Numerische Mathematik I,II, Springer, Berlin, 1979, 83, 89 G. Maeß, Vorlesungen über numerische Mathematik I,II, Akademie- Verlag, Berlin, 1984 und 88 7

8 (Beeinflußt wurde die Vorlesung auch durch Vorlesungen zum gleichen Gegenstand, die Frau Prof. R. März an der Humboldt-Universität und Herr Prof. H.W. Engl an der Kepler Universität Linz vor einigen Jahren gehalten haben.) 8

9 1 Mengen, Abbildungen, Zahlen 1.1 Mengen und Strukturen Menge: Zusammenfassung von Objekten der Anschauung bzw. des Denkens. Beschreibungsmöglichkeiten einer Menge M: M = {x : x besitzt die Eigenschaft E}, M = {x 1, x 2, x 3, x 4 }, M = {x 1, x 2,...,x n }, M = {x 1, x 2,...}. Die Objekte, die in einer Menge M zusammengefaßt sind, heißen Elemente von M. Beispiele: IN := {1, 2, 3,...} Menge der natürlichen Zahlen (vgl. auch Def. 1.4) Z := {x : x = 0 oder x IN oder x IN} Menge der ganzen Zahlen IQ := { es existieren p Z, q Z, q 0, so daß x = p } Menge der q rationalen Zahlen. Bezeichnungen und Definitionen: (M und N seien Mengen) a) x M bedeutet x ist Element von M, x / M anderenfalls; b) 0/ bezeichnet die leere Menge, d.h. die Menge, die keine Elemente enthält; c) N M bedeutet: x N impliziert x M( Inklusion ) N M bedeutet N M und N M. Man sagt, N ist (echte) Teilmenge von M. N M bedeutet: N ist keine Teilmenge von M usw. M = N, wenn M und N aus denselben Elementen bestehen. d) M N := {x : x M oder x N} (Vereinigung) e) M N := {x : x M und x N} (Durchschnitt) f) M\N := {x : x M und x / N} (Differenz) g) C M (N) := M\N (Komplement von N M bez. M) Eigenschaften: Es seien M, N und P Mengen. 1) M M, M N und N P impliziert M P, M N und N M = M = N; 9

10 2) M N M M N; 3) M, M\M =, M\N M; 4) M N = N M, (M N) P = M (N P) und analoges Kommutativ bzw. Assoziativgesetz für, M (N P) = (M N) (M P) und M (N P) = (M N) (M P) (Distributivgesetze); 5) M N = M\(M\N); 6) Es seien N M und P M. Dann gilt: (i) C M (N P) = C M (N) C M (P) (ii) C M (N P) = C M (N) C M (P) (Morgan sche Regeln) 1) 3) sind klar, 4) ist Übung; 5) Sei x M N x M und x N x / M\N x M\(M\N) M N M\(M\N). Umgekehrt: Sei x M\(M\N) x M und x / M\N x M und x N x M N M\(M\N) M N Anwendung von 1). 6)(i) Sei x C M (N N) = M\(N P) x M und x / N P x / N und x / P x M\N = C M (N) und x M\P = C M (P) x C M (N) C M (P) C M (N P) C M (N) C M (P). Sei andererseits x C M (N) C M (P) x M und x / N und x / P x M\(N P) = C M (N P) insgesamt folgt mit 1) die Aussage. 6)(ii) (Übung) Bezeichnungen: Sei M ein (endliches oder unendliches) System von Mengen. M := {x : es existiert einm M mit x M} M M M M M := {x : für alle M M gilt x M} 10

11 Wir verwenden auch die folgende Schreibweise: n M i, i=1 Beispiel: M i usw., wenn M 1, M 2,..., Mengen sind. i=1 M i := {1, 2,..., i}, i IN M i = IN, M i = {1} i=1 i=1 Übung: (erweiterte Morgan sche Regel) Es gelte N M für alle N N. Dann gilt: C M ( N) = C M (N) N N C M ( N N N N N) = N N C M (N). Eine Menge mit 2, 3,..., n(n IN) Elementen, bei der ein erstes, ein zweites usw. ein n-tes Element (d.h. eine Reihenfolge) festgelegt ist, heißt (geordnetes) Paar, Tripel,...,n-Tupel. Bez.: (x, y), (x 1,...,x n ) Für beliebige Mengen M und N heißt die Menge M N := {(x, y) : x M, y N} Produkt von M und N. n Allgemeiner: X M i := M 1... M n = {(x 1,...,x n ) : x i M i, i = 1,...,n} i=1 Algebraische Strukturen sind nichtleere Mengen, auf denen (eine oder mehrere) Verknüpfungen mit Rechenregeln definiert sind. Eine Verknüpfung (auf M) ordnet dabei jedem Paar (x, y) M M ein Element x y M zu. Bez.: (M, ), (M,, ) usw. (M, ) heißt Gruppe, falls M 0/ und eine Verknüpfung auf M ist mit folgenden Eigenschaften: (i) x (y z) = (x y) z, für alle x, y, z M (Assoziativgesetz), (ii) es existiert ein e M ( neutrales Element ), so daß x e = e x = x, für alle x M, (iii) zu jedem x M existiert ein x M ( zu x inverses Element ), so daß x x = x x = e. 11

12 Eine Gruppe (M, ) heißt Abelsch oder kommutativ, falls x y = y x für alle x, y M gilt. Beispiele: (Z, +) und (IQ, +) sind Abelsche Gruppen. Übung: Man zeige, daß das neutrale und die inversen Elemente sämtlich eindeutig bestimmt sind. Man nehme für den Beweis an, daß es jeweils zwei solcher Elemente gäbe und führe die Annahme dann zum Widerspruch. Für die inversen Elemente betrachte man (x 1 x x 2 ), wobei x 1 und x 2 die inversen Elemente bezüglich x seien. (M,, ) heißt Körper, falls M 0/ und bzw. Verknüpfungen auf M sind, so daß (i) (M, ) eine Abelsche Gruppe ist (neutrales Element = 0), (ii) x (y z) = (x y) z, x, y, z M, es existiert ein Element 1 M, 1 0 ( Einselement ), so daß x 1 = 1 x = x, zu jedem x M, x 0, existiert ein x M mit x x = x x = 1, } x (y z) = (x y) (x z) (iii) Distributivgesetze (x y) z = (x z) (y z) (für alle x, y, z M). Ein Körper (M,, ) heißt Abelsch oder kommutativ, falls zusätzlich x y = y x für alle x, y M gilt. Beispiel: (IQ, +, ) ist ein Abelscher Körper. Eigenschaften: (Beispiele für weitere Rechenregeln in einem Körper) Es sei (M,, ) ein Körper. 1) x 0 = 0 x = 0, für alle x M; 2) x y = 0 genau dann, wenn x = 0 oder y = 0; 3) für alle a, b M, a 0, existiert genau ein x M mit a x = b (Lösbarkeit von Gleichungen). 1) Sei x M bel. x 0 = x (0 0) = (x 0) (x 0) (x 0) (x 0) = (x 0) (x 0) (x 0) 0 = x 0 Analog zeigt man: 0 x = 0 12

13 2) Zu zeigen ist: x y = 0 und x 0 = y = 0 Sei x das an x inverse Element bez. *. 0 = x 0 = x (x y) = ( x x) y = 1 y = y 3) Eine Lösung der Gleichung a x = b ist x = ā b (a 0) z.z. ist noch die Eindeutigkeit. Seien x 1, x 2 M mit a x 1 = b = a x 2 ā (a x 1 ) = ā (a x 2 ) x 1 = x 2. Relation: Beziehung zwischen Objekten (d.h. z.b. zwischen Elementen einer Menge) (Beispiele: =, ) Eine Relation auf einer Menge M heißt Ordnungsrelation, falls sie den folgenden Axiomen genügt: (i) x x, für alle x M (Reflexivität), (ii) x y und y z impliziert x z (x, y, z M) (Transitivität) (iii) x y und y x impliziert x = y (x, y M) (Antisymmetrie) (M, ) heißt geordnete Menge, falls Ordnungsrelation auf M. Es sei (M, ) eine geordnete Menge und A M. A heißt nach oben beschränkt, falls ein c M existiert, so daß x c für alle x A; c heißt obere Schranke von A. Es sei A nach oben beschränkt und S := {c : c M, x c, für alle x A). Falls ein s S existiert mit s c für alle c S, so heißt s kleinste obere Schranke von A oder Supremum von A. Bez.: sup A := s. (Analog: nach unten beschränkt, größte untere Schranke von A = Infimum von A, kurz: inf A) Bezeichnungen zum Formulieren von bzw. Arbeiten mit Aussagen: Seien A 1, A 2 Aussagen. A 1 = A 2 bedeutet A 1 impliziert A 2 oder aus A 1 folgt A 2. A 1 A 2 bedeutet A 1 = A 2 und A 2 = A 1 (andere Schreibweise: A 1 gdw. A 2 ) d.h. A 1 und A 2 sind gleichwertig oder äquivalent bedeutet für alle bedeutet es existiert! bedeutet es existiert genau ein o.b.d.a. bedeutet ohne Beschränkung der Allgemeinheit 13

14 1.2 Die reellen Zahlen, Zahlbereiche Im folgenden werden die reellen Zahlen axiomatisch ( per Postulat ) eingeführt und aus diesen relativ wenigen Axiomen werden die Eigenschaften der reellen Zahlen hergeleitet. Definition 1.1 Eine Menge IR heißt Menge der reellen Zahlen, falls zwei Verknüpfungen + und (Addition und Multiplikation) und eine Ordnungsrelation auf IR definiert sind, so daß: (I) (IR, +, ) ist ein kommutativer Körper, (II) (IR, ) hat die Eigenschaften; (II 1 ) x, y IR gilt x y oder y x, (II 2 ) x, y, z IR mit x y gilt x + z y + z, (II 3 ) 0 x und 0 y für x, y IR = 0 x y, (III) Für alle A IR mit A und A nach oben beschränkt, existiert sup A IR. Bemerkung 1.2 Die Existenz einer nichtleeren Menge IR mit den in Def. 1.1 angeführten Eigenschaften wird als Grundlage für den gesamten weiteren Aufbau postuliert! IR ist durch Def. 1.1 nicht eindeutig bestimmt, jedoch unterscheiden sich die verschiedenen Modelle von IR nur in Eigenschaften, die für die Analysis uninteressant sind. All dies ist kaum problematisch, da die Axiome der anschaulichen Vorstellung der reellen Zahlen entsprechen. Tatsächlich könnten die Axiome aus Def. 1.1 aber auch aus einer geringeren Anzahl von Axiomen der Mengenlehre und der natürlichen Zahlen hergeleitet werden. Dieser von Cantor und Dedekind begründete Weg war zwar wesentlich für die historische Entwicklung der Analysis, ist aber aufwendig und im Grunde recht unerheblich für die Analysis (wir kommen aber auf die sog. Dedekindschen Schnitte noch kurz zurück). Axiom (III) (die sog. Ordnungsvollständigkeit ) sichert dabei die Vorstellung vom Kontinuum, von der Lückenlosigkeit von IR! Einige Bezeichnungen: Für den Sachverhalt x y, x y, x, y IR schreiben wir x < y. Für a, b IR mit a < b bezeichne [a, b] := {x IR : a x b} ( abgeschlossenes Intervall ) ]a, b[:= {x IR : a < x < b} ( offenes Intervall ) [a, b[:= {x IR : a x < b} ( halboffenes Intervall ) analog: ]a, b], 0 bzw. 1 sind die neutralen Elemente bez. + bzw. ; 14

15 für x IR bezeichnet x das inverse Element bez. + für x IR\{0} bezeichnet { x 1 oder 1 das inverse Element bez., x x, falls x 0 für x IR heißt x := der absolute Betrag von x. x, falls x < 0 es gilt: x x x x 0. Satz Für alle a, b IR gilt: (i) ab > 0 (a > 0 und b > 0) oder (a < 0 und b < 0) aa > 0 falls a 0 (insbesondere: 1 > 0 und a > 0 1 a > 0), (ii) a < b = a < 1 (a + b) < b, 2 (iii) ab = a b, a + b a + b (Dreiecksungleichung), a b a b. 2. Sind A und B nichtleere Teilmengen von IR mit a b, a A, b B, so existiert ein c IR mit a c b, a A b B. Gilt darüber hinaus A B = IR und a < b, a A b B, so ist dieses c IR eindeutig bestimmt. (in diesem Fall heißt (A B) Dedekindscher Schnitt) 1.(i) Es gelte ab > 0. Annahme: a > 0 und b < 0. b > 0 a( b) = ab > 0 aus (II 3 ) und Körperaxiomen) ab < 0 Widerspruch! Die Umkehrung folgt direkt aus (II 3 ). aa > 0, falls a 0, ist nun eine direkte Schlußfolgerung. speziell: 1 = 1 1 > 0, da 1 0 und 1 = a 1 > 0 Rest folgt aus erstem Teil. a (ii) Es gelte a < b. a + a = (1 + 1)a = 2a < a + b < b + b = 2b (nach (II 2 )) 0 < (a + b) + ( 2a) 0 < 1 2 ((a + b) + ( 2a)) = 1 2 (a + b) + ( a) ((II 3)) a < 1 2 (a + b) ((II 2)) Analog folgt die rechte Seite der Ungleichung. 15

16 (iii) Wir beweisen nur die Dreiecksungleichung (Rest: Übung). Es gilt nach Definition des absoluten Betrages: a a, a a b b b b } (II 3 ) a + b a + b a + ( b) a + b ( a + b ) a + b a + b (Körperaxiome) a + b a + b (nach Definition von ). 2. Wir beweisen zunächst den ersten Teil der Aussage. Nach Vor. ist A nach oben beschränkt. Wegen (III) existiert c := sup A IR. Deshalb gilt nach Definition: a c, a A. Jedes Element b B ist aber obere Schranke für A und c IR ist die kleinste obere Schranke c b, b B. Es gelte nun zusätzlich A B = IR und a < b, a A b B. Annahme: c 1, c 2 IR mit a c i b, a A b B, i = 1, 2. Ohne Beschränkung der Allgemeinheit (o.b.d.a.) gelte c 1 < c 2. sup A c 1 < c 2 b, b B c 1 / B und c 2 / A c 1 A und c 2 B c 1 = sup A < 1(c c 2 ) < c 2 b, b B (siehe 1.(ii)). 1 (c c 2 ) / A B = IR Widerspruch! Ähnlich wie im ersten Teil des Satzes können nun alle bekannten Rechenregeln mit reellen Zahlen aus den Axiomen in Def. 1.1 hergeleitet werden. Wir verzichten im folgenden darauf und arbeiten damit wie bisher gewohnt. Der zweite Teil der Aussage 2. in Satz 1.3 kann wie folgt veranschaulicht werden. Zu zwei solchen Mengen A, B mit A B = IR und a < b, a A b B gehört genau ein Punkt c IR, der sog. Schnitt (nach Dedekind). Folglich sind die reellen Zahlen IR wirklich lückenlos in dieser Vorstellung. Dedekind hat mit solchen Schnitten (A B), A, B IQ und A B = IQ die reellen Zahlen eingeführt (auf der Basis der axiomatischen Einführung von IN und damit IQ). Unser Weg ist umgekehrt: Wir definieren jetzt IN als Teilmenge von IR mit gewissen Eigenschaften. Definition 1.4 a) Eine Menge M IR heißt induktiv, falls (i) 1 M (ii) x + 1 M x M. 16

17 M i := {M : M IR, M ist induktiv} b) IN := M M i M heißt Menge der natürlichen Zahlen, IN o := IN {0}. c) Z := {x : x IN o oder x IN} heißt Menge der ganzen Zahlen. d) IQ := {x : p Z q Z\{0} so daß x = p } heißt Menge der rationalen q Zahlen. Bemerkung 1.5 Offenbar gibt es viele induktive Mengen, z.b. IR, {x IR : x 1}, {x IR : x = 1 oder x 2} usw. Nach Definition ist IN die kleinste aller induktiven Mengen und Z bzw. IQ sind mit IN ebenfalls Teilmengen von IR! Diese Eigenschaft von IN begündet das sog. Induktionsprinzip : Ist M IN und zeigt man, daß M induktiv ist, so gilt M = IN! Dies ist von großer Bedeutung für die Beweistechnik ( vollständige Induktion ) bzw. zur Definition von Größen! (i) Prinzip der vollständigen Induktion: Um zu zeigen, daß eine Aussage A(n) für alle n IN richtig ist, genügt es zu zeigen: {n IN : A(n) ist wahr} ist induktiv. D.h. man geht wie folgt vor: 1. A(1) ist wahr, 2. n IN : A(n) ist wahr = A(n + 1) ist wahr. (ii) Induktives Definieren einer Größe G(n), n IN: 1. G(1) definieren (oft trivial) 2. n IN : G(n + 1) in Abhängigkeit von G(n) definieren. Beispiele: n! := n ((n 1)!), a n := a n 1 a(a IR), n n 1 a i := a i + a n, i=1 n a i := i=1 i=1 ( n 1 ) a i a n i=1 (a i IR, i = 1,...,n, n IN) Wir befassen uns nun mit Eigenschaften von IN und der Lage von IN bzw. IQ in der Menge der reellen Zahlen. Satz m, n IN gilt: m + n IN und mn IN. 2. n IN gilt: ]n, n + 1[ IN =. 17

18 1. Wir beweisen als Beispiel: m + n IN, m, n IN. Sei m IN bel. gewählt und A(n) ist die Aussage m + n IN. A(1) ist wahr, da IN induktiv ist. Es sei nun A(n) wahr, d.h. m + n IN. m + (n + 1) = (m + n) + 1 IN A(n + 1) ist wahr. m + n IN für alle n IN. 2. Wir zeigen: M := {n IN :]n, n + 1[ IN = } ist induktiv (deshalb: M = IN) Es gilt 1 M, da ]1, 2[ IN ]1, 2[ ({1} {x IR : x 2}) = (vgl. auch Bem. 1.5). Es sei nun n M, d.h. ]n, n + 1[ IN =, und wir zeigen: n + 1 M. Annahme: m ]n + 1, n + 2[ IN. n + 1 < m < n + 2 mit m IN n < m 1 < n + 1 und m IN m IN {x IR : x 2} und m 1 ]n, n + 1[. Wenn wir zeigen, daß m 1 IN, ist dies ein Widerspruch zu n M. Nun ist aber M := {m IN : m 1 IN o } induktiv, d.h. M = IN m 1 IN o und m 2, was m 1 IN impliziert. Bemerkung 1.7 Def. 1.4 und Satz 1.6 rechtfertigen die in Kap. 1.1 gegebene intuitive Definition für IN := {1, 2, 3,...}. Für den weiteren Aufbau ist aber die axiomatische Einführung von IN wichtig. Satz IN ist nicht nach oben beschränkt (in IR). (Archimedes) 2. x, y IR mit x > 0 und y 0 existiert ein n IN mit y nx. ( Archimedisches Axiom ) 3. ε > 0 n IN mit 1 n < ε. (Eudoxos) 1. Annahme: IN ist nach oben beschränkt. Aus Axiom (III) folgt dann: s := sup IN IR. s 1 ist keine obere Schranke für IN n IN mit s 1 < n s < n + 1 IN Widerspruch zur Definition von s. die Annahme ist falsch. 2. Nach 1. existiert für bel. x, y IR mit x > 0, y 0 ein n IN mit y x n y nx. 18

19 3. Annahme: ε o > 0 : 1 n ε o, n IN. n 1 ε o, n IN IN ist nach oben beschränkt Widerspruch! Satz 1.9 (Wohlordnungssatz) Jede nichtleere Teilmenge M von IN besitzt ein kleinstes Element. Annahme: M besitzt kein kleinstes Element. Es sei M := {m IN : m < n, n M}. Wir zeigen: M ist induktiv. (i) 1 M, anderenfalls wäre 1 M kleinstes Element von M; (ii) Sei m M und wir zeigen m + 1 M Annahme: m + 1 / M n 1 M : n 1 m + 1 n 2 M mit n 2 < n 1 m + 1, da anderenfalls n 1 kleinstes Element von M wäre. n 2 m, da anderenfalls m < n 2 < m + 1, was nach Satz 1.8 unmöglich ist. m / M, d.h. Widerspruch! m + 1 M und insgesamt ist M induktiv. M = IN M = Widerspruch! 55 Satz 1.10 x IR ε > 0 r IQ mit r ]x ε, x + ε[. ( IQ ist dicht in IR ) Sei x IR mit (zunächst) x 0 und sei ε > 0 bel. gewählt. Nach Satz 1.8 existiert n IN mit 1 < ε. n Sei M := {m IN : m > nx}. Nach Satz 1.8 gilt M. Nach Satz 1.9 existiert ein minimales Element m M von M. m 1 nx < m Wir definieren nun r := m IQ. Damit gilt: n r ε < r 1 n = m 1 x < r n x ε < x < r < x + ε, d.h. r ]x ε, x + ε[. Es sei nun x < 0. Nach eben existiert dann ein r IQ mit x ε < r < x + ε x ε < r < x + ε und alles ist gezeigt. Schließlich bleibt noch die Frage offen, ob IQ und IR wirklich verschieden sind. Für eine Antwort benötigen wir noch einige Vorbereitungen. 19

20 Satz 1.11 a) Für alle a, b IR und n IN gilt: n 1 (a + b) n = a n + i=1 ( n i ) a n 1 b i + b n ( Binomischer Lehrsatz ) wobei ( n i ) := n! (i = 1,...,n 1) i!(n i)! ( Binomialkoeffizient ). b) Für alle a IR, a > 1 und für alle n IN gilt: (1 + a) n 1 + na ( Bernoullische Ungleichung ) c) Für alle a [0, 1] und alle n IN gilt: (1 + a) n 1 + (2 n 1)a a) Übung (mit Induktionsprinzip) b) Sei a IR, a > 1 und sei M := {n IN : (1 + a) n 1 + na}. Wir zeigen: M ist induktiv. 1 M ist trivial. Sei n M und wir zeigen: n + 1 M. (1 + a) n+1 = (1 + a) n (1 + a) (1 + na)(1 + a)(wegen(ii 3 )) 1 + (n + 1)a + na (n + 1)a c) Sei a [0, 1] und wir wenden wieder das Induktionsprinzip an. Die Aussage ist offensichtlich für n = 1 richtig. Sie gelte nun für n IN. (1 + a) n+1 = (1 + a) n (1 + a) (1 + (2 n 1)a)(1 + a) n a + (2 n 1)a (2 2 n 1)a, da a 2 a. Satz 1.12 Es seien a > 0 und n IN. Dann existiert genau ein x IR, x > 0 mit x n = a. 20

21 Wir definieren A := {y IR :} y 0 und y n a}. 1 A, falls a 1 Es gilt: A a A, falls a < 1 Ferner gilt für alle y A : y n a (1 + a) n y 1 + a A ist nichtleer und nach oben beschränkt. x := sup A IR (wegen Axiom (III)) x > 0, da min{1, a} A. Wir zeigen: x n = a. (i) Annahme: x n < a. Sei η := a x n > 0 und ε := min{x, η/[(2 n 1)x n 1 ]} > 0. Dann gilt: (x + ε) n = x n (1 + ε x )n x n (1 + (2 n 1) ε ) (Satz 1.11c)) x = x n + (2 n 1)x n 1 ε x n + η = a x + ε A Widerspruch zu x = sup A. x n a. (ii) Annahme: x n > a Satz 1.8 m IN : m > 1. x (x 1 m )n = x n (1 1 mx )n x n (1 n mx Wir wählen nun m IN sogar so groß, daß { } 1 m > max x, nxn 1 > 0. x n a (x 1 m )n x n (1 n mx ) xn (1 xn a x n ) = a. ), nach Satz 1.11 da 1 mx > 1. Deshalb gilt für alle y A : y n a (x 1 m )n y x 1 m Widerspruch zur Definition von x! Also gilt insgesamt: x n = a. Annahme: x 1, x 2 IR mit x 1 < x 2, so daß x n 1 = a = xn 2 Widerspruch zu (II 3 ). Bemerkung 1.13 x IR mit der Eigenschaft wie in Satz 1.12 heißt n-te Wurzel aus a. Bez.: n a := x, a 1 n := x Nun lassen sich beliebige Potenzen positiver reeller Zahlen a mit rationalen Exponenten definieren: a n, n IN (siehebem.1.5), a o := 1 21

22 a n := 1 an, n IN a r := q a p, falls r := p q IQ, p Z, q IN (Satz 1.12). (Diese Definition von a r ist unabhängig von der konkreten Darstellung von r IQ (Übung)). Es gelten nun die bekannten Rechenregeln für das Rechnen mit Potenzen. Satz / IQ, d.h. es gilt IQ IR. Annahme: 2 IQ. Sei M := {n IN : n 2 IN}. Da 2 > 0 und 2 IQ folgt: M. Nach Satz 1.9 besitzt M ein kleinstes Element. Es sei dies m o M, d.h. m o n, n M. m o 2 IN und lo := m o 2 mo IN da 1 < 2 < 2 (folgt aus Satz1.13) l o 2 = 2mo m o 2 IN und lo < m o l o M und l o < m o Widerspruch. Die Elemente von IR\IQ heißen irrationale Zahlen. Später werden wir sehen, daß es viel mehr irrationale als rationale Zahlen gibt. Folgerung 1.15 a) Zwischen je zwei voneinander verschiedenen (rationalen) reellen Zahlen liegt eine (rationale) reelle Zahl. b) Zwischen je zwei voneinander vrschiedenen (rationalen) reellen Zahlen liegt eine (irrationale) rationale Zahl. a) folgt aus Satz 1.3, 1. (ii). b) a, b IR Satz 1.10 liefert die Existenz eines r IQ, das zwischen a und b liegt. Seien a, b IQ mit a < b. 1 2 a < 1 2 b 1 r IQ (wieder Satz 1.10): 2 a < r < 1 2 b d.h. a < 2r < b. O.B.d.A. sei dabei r 0 (vgl. auch Satz 1.10). Wie in Satz 1.14 sieht man nun aber, daß 2r / IQ. 22

23 1.3 Abbildungen und Mächtigkeit von Mengen Es seien X, Y zwei Mengen. Wir führen nun den für die Analysis zentralen Begriff der Abbildung von/aus X in Y ein. Anschaulich ordnet eine Abbildung gewissen Elementen von X gewisse Elemente von Y zu, d.h. eine Abbildung bestimmt Paare von einander zugehörigen Elementen. Definition 1.16 F X Y heißt Abbildung aus X in Y. Für jedes x X heißt F(x) := {y Y : (x, y) F } Wert von F in x. D(F) := {x X : F(x) } = {x X : y Y mit (x, y) F } heißt Definitionsbereich der Abbildung F. R(F) := x X F(x) = {y Y : x X mit (x, y) F } heißt Wertebereich der Abbildung F. Ist (x, y) F, so heißt x Urbild von y bzgl. F und y heißt Bild von x bzgl. F. F X Y heißt Abbildung aus/von X, wenn D(F) X/D(F) = X bzw. in/auf Y, wenn R(F) Y/R(F) = Y. F X Y heißt eindeutige Abbildung, falls für jedes x X F(x) höchstens ein Element besitzt (sonst: mehrdeutig oder mengenwertig). Für eindeutige Abbildungen F existiert also zu jedem x D(F) genau ein y Y mit (x, y) F. In diesem Fall verwenden wir häufig folgende Schreibweisen: F : D(F) Y und F(x) := Fx = y für (x, y) F. (die einelementige Menge F(x) wird also mit dem Element identifiziert) (Im Rahmen der Vorlesung werden (fast?) ausschließlich eindeutige Abbildungen betrachtet. Deshalb sprechen wir im folgenden auch oft kurz von Abbildungen oder Funktionen (manchmal auch: Operatoren ).) mit F(X,Y) bezeichnen wir die Menge aller Abbildungen von X in Y. Beispiele: 1) Eine Verknüpfung auf einer Menge M ist eine eindeutige Abbildung von M M in M, d.h. : M M M. 2) Ist y o Y fixiert, so ist X {y o } die konstante Abbildung von X in Y mit Wert y o. 3) Ist Y = X, so ist F := {(x, x) : x X} X X die sogenannte identische Abbildung von X in X. Bez.: I X oder I wenn kein Mißverständnis möglich ist. 23

24 4) Seien X, Y beliebige Mengen. Dann heißen die Abbildungen pr 1 : X Y X, pr 1 (x, y) = x pr 2 : X Y Y, pr 2 (x, y) = y die erste bzw. zweite Projektion von X Y 5) F : IN IN, F(n) := n!, n IN. 6) F = {(x, x r ) IR IR : x 0} (r IQ) heißt Potenzfunktion, d.h. F(x) = x r. Definition 1.17 Es sei F eine Abbildung aus X in Y. Für A X heißt F(A) := {y Y : x A mit (x,.y) F } = x A F(x) das Bild der Menge A bzgl. F. F 1 := {(y, x) Y X : (x, y) F } = {(y, x) Y X : y F(x)} heißt zu F inverse Abbildung, d.h. x F 1 (y) gdw. y F(x). Für B Y heißt F 1 (B) := {x X : y B mit (x, y) F } das Urbild der Menge B bzgl. F; speziell schreiben wir F 1 (y) = {x X : (x, y) F }. Die Abbildung F heißt surjektiv, falls R(F) = Y ; injektiv, falls F und F 1 eindeutige Abbildungen sind; bijektiv, falls F injektiv und surjektiv ist. Die Abbildung F A := {(x, y) F : x A} heißt Einschränkung von F auf A X. Eine Abbildung ˆF X Y heißt Fortsetzung von F, falls D(F) D( ˆF) und F(x) = ˆF(x), x D(F). Beispiele: 1) Für jede nichtleere Menge X ist I X bijektiv. 2) pr 1 und pr 2 (wie oben definiert) sind surjektiv, jedoch nicht injektiv. 3) Für r IQ ist die Potenzfunktion F : {x IR : x 0} IR mit F(x) = x r injektiv und es gilt F 1 (y) = y 1 r, y R(F). Eigenschaften 1.18 Es sei F eine Abbildung von X in Y, seien A, Ã X, B, B Y. 24

Nicht-archimedische Zahlen

Nicht-archimedische Zahlen Skript zur Vorlesung Nicht-archimedische Zahlen Wintersemester 2012/13 Frankfurt am Main Prof. Dr. Annette Werner Inhaltsverzeichnis 1 Einleitung 1 2 Nicht-archimedische Absolutbeträge 2 3 Bälle und Topologie

Mehr

Mathematik für ChemikerInnen I

Mathematik für ChemikerInnen I Mathematik für ChemikerInnen I Prof. Dr. Ansgar Jüngel Institut für Mathematik Johannes Gutenberg-Universität Mainz Winter 26 unkorrigiertes Vorlesungsskript Inhaltsverzeichnis Motivation 3 2 Grundbegriffe

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Über rationale Homöomorphismen der Einheitskreislinie

Über rationale Homöomorphismen der Einheitskreislinie Über rationale Homöomorphismen der Einheitskreislinie Diplomarbeit von Marcus Stiemer Dem Fachbereich Mathematik der Universität Dortmund vorgelegt im November 1995 Vorwort Die Untersuchung homöomorpher

Mehr

Numerik nicht-lokaler Operatoren

Numerik nicht-lokaler Operatoren Numerik nicht-lokaler Operatoren Steffen Börm Stand 7. November 2014 Alle Rechte beim Autor. Inhaltsverzeichnis 1 Modellproblem 5 1.1 Gravitation in Vielkörpersystemen...................... 5 1.2 Approximation

Mehr

Was sind und was sollen die Zahlen?

Was sind und was sollen die Zahlen? Was sind und was sollen die Zahlen? Von Richard Dedekind, Professor an der technischen Hochschule in Braunschweig. Nach der vierten unveränderten Auflage, Braunschweig 1918. Diese Transkription enthält

Mehr

1.1 Herleitung: Die Lorenzgleichungen als Idealisierung hydrodynamischer

1.1 Herleitung: Die Lorenzgleichungen als Idealisierung hydrodynamischer Das Lorenz-System Seminar über gewöhnliche Differentialgleichungen Uwe Jönck und Florian Prill Februar 23 Inhaltsangabe 1.1 Herleitung: Die Lorenzgleichungen als Idealisierung hydrodynamischer Systeme.............................

Mehr

Die komplexen Zahlen

Die komplexen Zahlen Kapitel 9 Die komplexen Zahlen Der Körper der komplexen Zahlen Die Gauß sche Zahlenebene Algebraische Gleichungen Anwendungen Der Körper der komplexen Zahlen Die Definition der komplexen Zahlen Definition

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

Über relative Normgleichungen in algebraischen Zahlkörpern

Über relative Normgleichungen in algebraischen Zahlkörpern Über relative Normgleichungen in algebraischen Zahlkörpern vorgelegt von Diplom-Mathematiker Claus Fieker aus Haan Vom Fachbereich 3 Mathematik der Technischen Universität Berlin zur Erlangung des akademischen

Mehr

8 0. Grundbegriffe. Enthält G keinen Kreis, so sei die Taillenweite von G unendlich, sein Umfang jedoch null.

8 0. Grundbegriffe. Enthält G keinen Kreis, so sei die Taillenweite von G unendlich, sein Umfang jedoch null. 8 0. Grundbegriffe kreuzungsfrei, wenn keiner eine innere Ecke eines anderen enthält. Zwei a b -Wege etwa sind genau dann kreuzungsfrei, wenn sie bis auf a und b disjunkt sind. Ist G ein Graph, so nennen

Mehr

Numerik partieller Differentialgleichungen. für Ingenieure. Michael Hinze

Numerik partieller Differentialgleichungen. für Ingenieure. Michael Hinze Numerik partieller Differentialgleichungen für Ingenieure Michael Hinze Vorlesungsskript zur Vorlesung Numerische Mathematik II für Ingenieure, gehalten im WS 000/00 an der TU Berlin, Stand 9..0 Inhaltsverzeichnis

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Euklid und die Elemente

Euklid und die Elemente Euklid und die Elemente Die Entdeckung der axiomatischen Methode durch Euklid Norbert Froese Stand: 02.02.2014 Dieser Text unterliegt der Lizenz Creative Commons Attribution-Share Alike 3.0 (siehe: http://creativecommons.org/licenses/by-sa/3.0/de/legalcode).

Mehr

Kapitel 11: Einführung in die Zeitreihenanalyse

Kapitel 11: Einführung in die Zeitreihenanalyse Kapitel 11: Einführung in die Zeitreihenanalyse 1. Gegenstand und Methoden der Zeitreihenanalyse...393 a) Zeitreihen und Zeitreihenanalyse...393 b) Methoden der Zeitreihenanalyse...396 2. Das Komponentenmodell

Mehr

4. QUADRATISCHE GLEICHUNGEN, GLEICHUNGEN HÖHEREN GRADES

4. QUADRATISCHE GLEICHUNGEN, GLEICHUNGEN HÖHEREN GRADES 4. QUADRATISCHE GLEICHUNGEN, GLEICHUNGEN HÖHEREN GRADES 4.1. Quadratische Gleichungen (a) Definition Beispiel: Das Produkt zweier aufeinanderfolgender gerader Zahlen beträgt 808. Wie lauten die beiden

Mehr

Wie viele Primzahlen gibt es?

Wie viele Primzahlen gibt es? 1 Wie viele Primzahlen gibt es? Die Frage, wie viele Primzahlen es gibt, wird durch den fundamentalen Satz beantwortet: Es gibt unendlich viele Primzahlen. Ich werde mehrere Beweise für diesen Satz vorstellen,

Mehr

ES GIBT UNENDLICH VIELE PRIMZAHLEN DER SATZ VON EUKLID. Šefket Arslanagić und Walther Janous. Einleitung

ES GIBT UNENDLICH VIELE PRIMZAHLEN DER SATZ VON EUKLID. Šefket Arslanagić und Walther Janous. Einleitung THE TEACHING OF MATHEMATICS 2007, Vol. X, 2, pp. 63 74 ES GIBT UNENDLICH VIELE PRIMZAHLEN DER SATZ VON EUKLID Šefket Arslanagić und Walther Janous Abstract. In this paper we consider famous Euclidean theorem

Mehr

Über die Analyse randomisierter Suchheuristiken und den Entwurf spezialisierter Algorithmen im Bereich der kombinatorischen Optimierung

Über die Analyse randomisierter Suchheuristiken und den Entwurf spezialisierter Algorithmen im Bereich der kombinatorischen Optimierung Über die Analyse randomisierter Suchheuristiken und den Entwurf spezialisierter Algorithmen im Bereich der kombinatorischen Optimierung Dissertation zur Erlangung des Grades eines Doktors der Naturwissenschaften

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

11. Klasse TOP 10 Mathematik 11 Gesamtes Grundwissen mit Übungen G

11. Klasse TOP 10 Mathematik 11 Gesamtes Grundwissen mit Übungen G www.strobl-f.de/grundg.pdf. Klasse TOP 0 Mathematik Gesamtes Grundwissen mit Übungen G Grundwissen Mathematik. Klasse: Die 0 wichtigsten Themen auf jeweils einer Seite! Zum Wiederholen kann man die Übungen

Mehr

Darstellung von Iterationsverfahren zur Nullstellenbestimmung von Funktionen und visualisierende Computerexperimente

Darstellung von Iterationsverfahren zur Nullstellenbestimmung von Funktionen und visualisierende Computerexperimente Darstellung von Iterationsverfahren zur Nullstellenbestimmung von Funtionen und visualisierende Computerexperimente Hausarbeit zur Ersten Staatsprüfung für das Lehramt an Gymnasien im Fach Numerische Mathemati

Mehr

Über die Zetafunktion von Formen von Fermatgleichungen

Über die Zetafunktion von Formen von Fermatgleichungen Über die Zetafuntion von Formen von Fermatgleichungen DISSERTATION ZUR ERLANGUNG DES DOKTORGRADES DER NATURWISSENSCHAFTEN DR. RER. NAT. DER MATHEMATISCHEN FAKULTÄT DER UNIVERSITÄT REGENSBURG vorgelegt

Mehr

Wie viele Nullstellen hat ein Polynom?

Wie viele Nullstellen hat ein Polynom? Wie viele Nullstellen hat ein Polynom? Verena Pölzl 0812265 Sabine Prettner 8930280 Juni 2013 1 Inhaltsverzeichnis 1 Warum will man wissen, wie viele Nullstellen ein Polynom hat? 3 2 Oligonome 4 3 Die

Mehr

12. Klasse TOP 10 Mathematik 12 Gesamtes Grundwissen mit Übungen G

12. Klasse TOP 10 Mathematik 12 Gesamtes Grundwissen mit Übungen G www.strobl-f.de/grundg.pdf. Klasse TOP Mathematik Gesamtes Grundwissen mit Übungen G Grundwissen Mathematik. Klasse: Die wichtigsten Themen auf jeweils einer Seite! Zum Wiederholen kann man die Übungen

Mehr

Vom Sein zum Werden Zeit und Komplexität in den Naturwissenschaften *)

Vom Sein zum Werden Zeit und Komplexität in den Naturwissenschaften *) Vorwort zu: Vom Sein zum Werden Zeit und Komplexität in den Naturwissenschaften *) 1. Dieses Buch handelt von der Zeit. Sein Titel hätte lauten können: "Zeit, die vergessene Dimension". Ein solcher Titel

Mehr

1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0.

1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0. 1 Ordnung uß sein 1.1 Angeordnete Körper Wir nehen einal an, daß es in eine Körper Eleente gibt, die wir positiv nennen. Welche Eigenschaften sollen diese haben? O1) Wenn x und y positiv sind, dann auch

Mehr

ANNALES DE L INSTITUT FOURIER

ANNALES DE L INSTITUT FOURIER ANNALES DE L INSTITUT FOURIER ALBRECHT DOLD DIETER PUPPE Homologie nicht-additiver Funktoren. Anwendungen Annales de l institut Fourier, tome 11, n o 6 (1961), p. 201-312.

Mehr

Testen von Hypothesen

Testen von Hypothesen Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Swiss Federal Institute of Technology Zurich Testen von Hypothesen Ein Leitprogramm in

Mehr

Einführung in die Behandlung von Messfehlern. G. Walter und G. Herms

Einführung in die Behandlung von Messfehlern. G. Walter und G. Herms Einführung in die Behandlung von Messfehlern Ein Leitfaden für das Praktikum der Physik G. Walter und G. Herms Universität Rostock 2006 Inhaltsverzeichnis 1 Einleitung 3 2 Einteilung von Messfehlern 4

Mehr